👩‍🔬 Из науки в аналитику с остановками по пути

Знакомьтесь, это Ирина Барская, руководитель службы аналитики и исследований. Путь Ирины в индустрию был необычным: сначала кандидатская по физике (по теме «Молекулярные магнетики»), потом биомедицина в Америке, дальше компьютерное зрение в R&D-отделе Samsung — и только потом аналитика в Яндексе.

Сначала мы хотели выпустить пост в виде карточек, но после разговора с Ириной решили, что надо публиковать его целиком.

⏬ Ищите в статье:

🔵 Какие проблемы есть у современной науки
🔵 К чему готовиться тем, кто решил резко поменять свой карьерный трек, и как победить сомнения
🔵 Как любопытство драйвит профессиональное развитие
🔵 Почему не нужно бояться пробовать новое

Подписывайтесь:
💬 @Yandex4Analytics

🧑‍💻 ML изменит ВСЁ через 10 лет (или нет)

В этом году Data Fest отметил десятилетний юбилей! В честь этого дела мы решили записать небольшую капсулу времени в формате видео: спросили инженеров, менеджеров и владельцев бизнеса о том, как ML изменит нашу жизнь. Через 10 лет выложим ролик снова и обсудим, что сбылось, а что нет. Мы уже добавили пост в отложку!

Собрали для вас несколько прогнозов, которые сулят огромные перспективы или пугают (но совсем немножко).

🔵 Разработчики будут просто давать задания ML-агентам?
Даже если так, то результаты работы всё же придётся представлять людям. А ещё кто-то должен будет создавать новых агентов, чтобы код генерировали ещё эффективнее. К тому же встаёт вопрос ответственности: робот не сможет получить по шапке, если всё сломается 😧

🔵 Нейросети будут принимать за нас большую часть решений?
Возможно, развитие пойдёт в сторону рекомендательных систем. Они снимут с нас большую часть когнитивной нагрузки за ежедневные выборы: какой фильм поставить, какие обои выбрать в ванную, какие кеды купить, чтобы не отставать от альферов (или какую букву выдумают в будущем для нового поколения). Но самые важные решения в жизни всё равно придётся принимать нам самим 🤝

🔵 Все люди станут фермерами? (Главное, чтобы не как в «Интерстелларе».)
Если ИИ вообще всех нас заменит, то человечество ждёт дезурбанизация. Какой смысл жить в городе, если не надо ходить на работу? Ведь проще переехать поближе к природе, чистому воздуху и красивым видам. Так что через 10 лет будем ездить друг к другу на пикники — из одного села в другое 🐄

🔵 Генеративные нейросети исчезнут?
Возможно, индустрия преобразуется настолько сильно, что не будет иметь ничего общего с современной. Сложно сказать, как именно она будет выглядеть: как метавселенная или полная виртуальная реальность 👾

📺 Ещё больше тейков ищите в получасовом видео на ютубе.

Подписывайтесь:
💬 @Yandex4Analytics

⏬ Аналитики Санкт-Петербурга, это пост для вас!

📆 17 июля мы впервые собираемся в Санкт-Петербурге на митап-вечеринке для аналитиков! Будем слушать доклады, гулять по офису Яндекса, знакомиться, отдыхать и общаться.

Мы уже готовы поделиться программой:

🔵 Алексей Чубуков, аналитик группы поиска и назначения водителей в Яндекс Такси. Расскажет, как ребята переосмысляют свитчбэк-эксперименты

🔵 Владимир Соколовский, аналитик группы маркетинговой эффективности в Яндекс Маркете. Расскажет о SOTA-подходах к измерению эффективности маркетинга и разберёт практики мировых лидеров

🔵 Дмитрий Ефимов, руководитель отдела эффективности и аналитики в Яндекс Еде. Расскажет, как алгоритмы эффективности оптимизируют логистику и снижают затраты на доставку

🔵 Арина Якимушкина, аналитик-разработчик отдела NLP бизнес-группы Поиска и Рекламных технологий. Поделится опытом применения YandexGPT в разметке и покажет, как сэкономить деньги и время на разработку

💠 Регистрируйтесь, мы вас очень ждём

Подписывайтесь:
💬 @Yandex4Analytics

🛎 Митап для аналитиков от команды R&D уже через 2 дня

21 июня на Welcome Time ребята из R&D Яндекса расскажут, чем их работа отличается от «обычной» аналитики. Все доклады — про флагманские проекты: YandexGPT, YandexART, YandexVLM и голосовые технологии Алисы.

🔵 А после выступлений можно будет пройти диагностику навыков.
Всем, кто покажет классные знания аналитики и матстатистики, зачтём результат как техническую секцию — он будет действовать два года.

⏬ Мест осталось немного. Регистрируйтесь!

Подписывайтесь:
💬 @Yandex4Analytics

🧑‍💻 Вспомним теорию вероятностей вместе?

Решать простые аналитические задачки — отличный способ не забывать базу и поддерживать форму.

♾ Предлагаем размяться и проверить свои навыки. Подготовили классическую задачу по теории вероятностей ⬇️

У вас есть два одинаковых игральных кубика. У каждого из них — 6 граней со значениями от 1 до 6.

Какова вероятность того, что сумма выпавших при броске очков будет равна 9?

🐚 Опубликовали правильный ответ с разбором. Но если вы видите задачу в первый раз, поделитесь своим решением в комментариях!

#задачи_для_аналитиков

Подписывайтесь:
💬 @Yandex4Analytics

👀 Продолжаем вспоминать базовую теорию: вместе разбираем задачу

А вот и ответ на пример, который мы опубликовали в минувшую пятницу.

Всего при броске двух шестигранных кубиков возможно 6 • 6 = 36 исходов.

Сумма выпавших очков равна 9 только в нескольких случаях:

• (3, 6)
• (4, 5)
• (5, 4)
• (6, 3)

Каждая из этих пар — уникальное сочетание бросков. Таких вариантов всего 4.

А дальше используем классическую формулу теории вероятностей. Вероятность P происхождения события A из всех возможных сценариев вычисляется как P(A) = m/n, где m — количество благоприятных исходов, n — всех возможных.

Таким образом, вероятность того, что при броске двух шестигранных кубиков суммарно выпадет 9 очков, равна 4/36, то есть 1/9.

⏬ Совет. Если у вас скоро собеседование, не забудьте повторить основные определения из теории вероятностей и вспомните базовую комбинаторику. Самые простые формулы легко забыть, если редко ими пользоваться.

💠 А ещё будет полезно порешать задачи, чтобы формулировки не ставили вас в тупик. Если рубрика зашла, поставьте реакцию — будем ломать головы вместе.

Подписывайтесь:
💬 @Yandex4Analytics

🧑‍💻 10 мифов об A/B-тестировании

Привет! На связи Диля Хакимова. Я из команды экспериментальной платформы Laba в Яндекс Go: помогаю руководителям и аналитикам быстро получать нужную им информацию с помощью A/B-тестирования.

В статистическом анализе легко запутаться. Мифы о нëм регулярно всплывают в разговорах с руководителями, на собеседованиях и даже среди коллег-аналитиков. Иногда заблуждения кажутся безобидными, но на деле могут привести к серьёзным ошибкам, неверным решениям и упущенным возможностям.

⏬ В статье на Хабре мы с коллегами разобрали самые популярные мифы: решение каждой из проблем сопроводили примером на GitHub. А ещё собрали 10 советов, как не попасть в самые популярные ловушки

Подписывайтесь:
💬 @Yandex4Analytics